解释Forward+ Tile-Based Lighting在移动端的性能
解读
面试官问“解释性能”，并不是让你背定义，而是想看三件事：
- 你是否知道Forward+在移动GPU上的带宽瓶颈与算力瓶颈分别在哪；
- 能否给出量化指标（Tile大小、光源数、带宽占用、ALU周期）；
- 是否能把“纸上理论”翻译成Unity可落地的优化动作，让项目在中低端骁龙680/天玑700上也能跑稳30帧。
知识点
- Forward+ = Forward渲染 + Z-prepass + 屏幕空间分块（Tile/Cluster）光照；
- 移动端Tile尺寸通常选16×16或32×32，与Mali/Adreno的on-chip tile memory对齐；
- 光源剔除用Compute Shader做bit-mask光源列表，带宽节省关键在把Light Buffer从128 Byte/light压缩到12 Byte/light（Unity URP 16.0的LightLoop已做）；
- 带宽公式：每像素每帧读取G-buffer≈0，Forward+只读Depth+LightList，4 Byte/pix；若光源数>96，LightList带宽反超传统Deferred；
- ALU瓶颈：每个Tile内光源数>32时，loop展开导致Register pressure↑，Adreno 610统一渲染架构下wave32占满后IPC骤降；
- 热路径：Unity URP Forward+在BuildPerTileLightListJob与RenderOpaqueForward两个Pass，GPU时钟占用**>45 %**即判定为瓶颈；
- 量化经验：骁龙778G + 1080p + 64动态光源，Tile 32×32，GPU耗时4.1 ms；Tile 16×16，GPU耗时3.3 ms，但CPU端BuildJob耗时+0.4 ms，需要权衡CPU-GPU并行；
- 极限优化：开启FPTL-Cluster（3D Clip）可把光源数上限提到256，但on-chip memory溢出会触发System Memory Fallback，帧时间抖动**>1.2 ms**，需用Vulkan subpass+input attachment把Tile memory钉在64 KB以内。
答案
Forward+在移动端的核心优势是把光照计算从逐像素移到逐Tile，利用on-chip tile memory把带宽压到传统Deferred的1/3；但性能拐点出现在单Tile光源数>32或总光源数>96时，LightList带宽与ALU循环开销反超。以Unity URP为例，在1080p、骁龙680上：
- 选16×16 Tile，Light Buffer压缩到12 Byte/light，64动态光源场景GPU耗时3.8 ms；
- 若Tile改32×32，GPU降至3.1 ms，但CPU BuildJob耗时增加0.3 ms，需把Job拆分到Worker Thread并用BatchMinMax裁剪，保证总帧时间<33 ms；
- 当光源数>96时，bit-mask列表大小超过4 KB/Tile，触发System Memory Fallback，帧时间抖动**+1.5 ms**，此时应启用Clustered Light并把Z-prepass与Base Pass合并为Vulkan subpass，用input attachment把Tile memory控制在48 KB，可再降0.9 ms。
落地时，先在Snapdragon Profiler里看**%Time in BuildPerTileLightListJob与ALU Busy**，若>45 %就先减Tile尺寸；若带宽>4 GB/s则压Light Buffer，把spot light裁成cone data（8 Byte/light），最终让中低端机跑稳30帧。
拓展思考
- 如果项目要跑WebGL2.0（无Compute Shader），可把Tile剔除搬到CPU SIMD（Unity Burst+ISPC），1080p 32×32 Tile在骁龙680单核耗时1.2 ms，仍低于GPU Fallback；
- 对于XR应用，双眼分屏导致Tile列表重复生成，可用Single-Pass Instancing+共享Tile LightList，节省40 % CPU时间，但需把Tile memory上限从64 KB砍到32 KB，用球面光源裁剪进一步压缩；
- 当使用Vulkan Ray Query做Forward+阴影，Pixel Shader内ray query+Tile光照会撑爆Register，Adreno 730上wave32只占50 %，此时把ray query拆到Cluster级别做coalesced trace，可把ALU利用率拉回85 %，帧时间稳定2.8 ms。